LL
Local LLM LabРедакционная оценка, не пользовательский замер
RTX 3060 12 GB + Ryzen 5 5600, 32 GB RAM
LM StudioQ4_K_M4K ctx≈ 72 ток/с
Веса и KV-кэш помещаются в VRAM; комфортный вариант для локального чата.
К списку моделей
Как рассчитан профиль →
22.07.2026 Искать в /services/ →Создать обсуждение
Llama 3.2 3B Instruct
G-Score: н/дОт Meta
StandardGeneralTextOpen WeightsLocal
* Продукт компании Meta Platforms Inc., деятельность которой признана экстремистской и запрещена на территории Российской Федерации.
Краткое описание
Llama 3.2 3B — это многоязычная модель большого языка с 3 миллиардами параметров, оптимизированная для сложных задач обработки естественного языка, таких как генерация диалогов, рассуждение и обобщение. Разработанный с использованием новейшей трансформаторной архитектуры, он...
G-Score и профиль
G-Score: н/дДля Llama 3.2 3B Instruct пока нет совпавших результатов в подключённых публичных лидербордах. Исходные значения карточки не используются для G‑Score.
Показатели G‑Код, G‑Рассуждения, G‑Агенты и G‑Зрение рассчитаны по массовым таблицам LiveBench, Artificial Analysis и LMArena. Наведите или нажмите на значок рядом с оценкой, чтобы увидеть исходный лидерборд, вариант модели, значение и размер выборки.
Уверенность данных
низкая
Покрытие
0 тестов · 0 направлений
Происхождение
нет данных лидербордов
Место модели в каталоге
Место исходного бенчмарка показывается только при закреплённом source record и среди других карточек с источником. Эти старые значения не участвуют в G-Score лидербордов.
| Бенчмарк | Результат | Место | Доказательство |
|---|---|---|---|
| GPQA (Экспертные знания) | 59.8% | н/д | Источник не указан |
| MATH (Математика) | 89.4% | н/д | Источник не указан |
| MMLU (Общие знания) | 84.3% | н/д | Источник не указан |
| Arena Elo (LMSYS) | 1392 | н/д | Источник не указан |
| HumanEval (Кодинг) | 84% | н/д | Источник не указан |
| SWE-bench (Разработка) | 49.3% | н/д | Источник не указан |
Где запустить модель
Цены приведены за 1 млн токенов и могут меняться. Доступность российских провайдеров проверяется на их стороне.
Обновляем провайдеров и цены…
На чём запустили?
Реальные замеры сообщества и помеченные редакционные ориентиры для локального запуска Llama 3.2 3B Instruct.
Сначала оцените, поместится ли выбранная квантизация в вашу RAM или VRAM.
Калькулятор локальных LLM22.07.2026
LL
Local LLM LabРедакционная оценка, не пользовательский замер
MacBook Air M2, 16 GB unified memory
OllamaQ4_K_M4K ctx≈ 34 ток/с
Запускается без внешней GPU; для длинного контекста скорость и доступная память будут ниже.
Скорость зависит от версии рантайма, драйверов, длины контекста и настроек. Редакционные значения — ориентир, а не гарантированный результат.
Профиль модели
Бенчмарки
GPQA (Экспертные знания)59.8%
MATH (Математика)89.4%
MMLU (Общие знания)84.3%
Arena Elo (LMSYS)1392
HumanEval (Кодинг)84%
SWE-bench (Разработка)49.3%
История семейства
Линейка Llama
Последовательность собрана по датам релиза моделей Meta в каталоге. Она показывает соседние поколения, но не приписывает им совместимость или наследование архитектуры без отдельного источника.
Экосистема Llama 3.2 3B Instruct
Сервисы, инструменты, материалы и обсуждения, связанные с моделью.
Сервисы с поддержкой модели
Откройте результаты по названию модели и проверьте актуальную интеграцию.
MCP и инструменты
Весь каталог- MetabaseMetabase — open-source платформа для бизнес-аналитики. Она закрывает потребность команды в самостоятельном анализе данных без SQL. MCP-сервер для Metabase даёт AI-ассистентам прямой доступ к вашему инстансу Metabase. Вы можете искать данные, строить визуализации и управлять дашбордами прямо через диалог с ассистентом. Сервер подходит data-аналитикам, продакт-менеджерам и разработчикам, которые используют Metabase как корпоративную BI-систему. Вам больше не нужно переключаться между окнами — AI выполнит запрос за вас. Эта интеграция особенно полезна, когда нужно быстро получить ответ без запуска Metabase. Достаточно сформулировать запрос на русском языке — и сервер сам выполнит нужный SQL-запрос или найдёт готовый дашборд.
- OpenMetadataOpenMetadata — платформа для управления контекстом данных. Она собирает технические метаданные, качество данных, происхождение, владельцев, глоссарии, классификации, домены и продуктовые метрики в единый граф знаний. MCP-сервер делает этот граф доступным для AI-ассистентов и агентов через протокол MCP. Без контекста AI-ассистент видит только сырые таблицы. Он не знает, какие данные доверенные, кто за них отвечает, откуда они пришли и как используются. OpenMetadata даёт бизнес-смысл: ассистент понимает принятые в компании термины, статус качества и lineage. Это делает ответы точными и полезными. Сервер поддерживает 120+ коннекторов к базам данных, облачным хранилищам, BI-инструментам и каталогам. Вы подключаете его к вашему экземпляру OpenMetadata, и AI-агент получает единую точку входа в семантический слой.
- shellwardShellWard — это MCP-сервер, который работает как межсетевой экран для AI-агентов. Он встраивается между агентом (Claude Desktop или любой другой MCP-клиент) и его инструментами: командной оболочкой, файловой системой, HTTP-запросами, почтовыми сервисами. Сервер перехватывает каждый вызов инструмента в реальном времени и проверяет его по восьми уровням защиты. ShellWard сканирует данные на наличие персональной информации (PII), анализирует shell-команды на опасность, детектирует промпт-инъекции и блокирует утечки данных (DLP). Это своего рода корпоративный firewall, адаптированный под AI-агентов. Данные внутри системы используются свободно, но наружу ничего не выходит. Одна промпт-инъекция может привести к краже базы клиентов, удалению сервера или отправке данных хакеру. Без такого firewall AI-агент становится уязвимым инструментом. ShellWard решает эту проблему, выступая в роли прокси-слоя безопасности: он даёт агенту доступ к файлам и командам, но блокирует любые попытки использовать этот доступ во вред.
Статьи и термины
Все статьиОбсуждения о Llama 3.2 3B Instruct
Задайте вопрос сообществу — карточка модели будет прикреплена автоматически.